연구진은 전례 없는 정확도로 혈액 세포를 분석하는 획기적인 AI 도구인 사이토디퓨전(CytoDiffusion)을 개발하여 이상 징후 식별에 있어 인간 전문가를 능가했습니다. 이 혁신은 백혈병과 같은 질환 진단에 있어 획기적인 진전을 이루었으며, 더욱 신뢰성 있고 효율적인 의료 평가에 대한 희망을 제시합니다.
CytoDiffusion이라는 새로운 인공지능 도구는 혈액 질환의 진단 환경을 혁신하여, 예외적인 정확도로 이상을 식별하는 데 있어 인간을 능가할 것으로 예상됩니다.
케임브리지 대학교, 유니버시티 칼리지 런던(UCL), 그리고 퀸 메리 런던 대학교 연구진이 개발한 CytoDiffusion은 DALL-E와 같은 이미지 생성기의 기반이 되는 생성 AI 기술을 활용하여 혈액 세포의 모양과 구조를 정밀하게 분석합니다. 연구 결과는 다음과 같습니다. 출판 Nature Machine Intelligence 저널에 실렸습니다.
혈액 세포의 크기, 모양, 그리고 외형의 미묘한 차이를 감지하는 것은 여러 혈액 질환 진단에 필수적입니다. 그러나 이 작업은 수년간의 훈련이 필요하며, 어려운 사례에 대해서는 의사들마다 의견이 다를 수 있습니다.
혈액 도말 검사는 수천 개의 세포로 구성되어 있기 때문에 인체를 종합적으로 분석하는 것은 비현실적입니다.
"사람이 도말표본에 있는 모든 세포를 볼 수는 없습니다. 불가능합니다."라고 케임브리지 대학교 응용수학 및 이론물리학과 박사과정생이자 제1저자인 사이먼 델타달은 보도자료를 통해 밝혔습니다. "저희 모델은 이러한 과정을 자동화하고, 일상적인 사례를 분류하며, 사람이 검토할 수 있도록 특이한 사례를 강조할 수 있습니다."
이 혁신은 혈액학의 심각한 병목 현상을 해결합니다.
런던 퀸 메리 대학교 임상 선임 강사이자 공동 선임 저자인 수테시 시바팔라트남은 "초급 혈액학 의사로서 제가 직면했던 임상적 어려움은 하루 일과를 마치고 나면 분석해야 할 혈액 도말표가 너무 많다는 것이었습니다."라고 덧붙였습니다. "늦은 시간에도 혈액 도말표를 분석하다 보니 AI가 저보다 더 잘할 수 있을 거라고 확신하게 되었습니다."
CytoDiffusion 개발에는 케임브리지 애든브룩스 병원의 혈액 도말 표본에서 50만 개가 넘는 이미지를 사용하여 AI를 훈련시키는 과정이 포함되었으며, 이는 동종 최대 규모의 데이터 세트를 구축했습니다. 이 방대한 데이터 세트를 통해 AI는 일반적인 혈액 세포 유형뿐만 아니라 질병을 나타내는 희귀하고 특이한 세포도 인식할 수 있었습니다.
CytoDiffusion은 세포 분포의 전체 분포에 초점을 맞춤으로써 병원 장비, 현미경 및 염색 방법의 변화에도 강건성을 입증했습니다. 그 결과, 백혈병과 관련된 비정상 세포를 검출하는 데 더 높은 민감도를 보였으며, 적은 수의 훈련 데이터로도 기존 시스템보다 우수한 성능을 보였습니다.
델타달은 "정확도를 테스트했을 때 시스템이 인간보다 약간 더 뛰어났습니다."라고 덧붙였습니다. "하지만 정말 뛰어난 점은 불확실한 상황을 파악하는 능력이었습니다. 저희 모델은 절대 확실하다고 말하면서 틀리는 법이 없지만, 인간도 가끔 그런 행동을 하곤 합니다."
AI는 실제 혈액 세포와 구별할 수 없는 합성 혈액 세포 이미지를 생성하는 데도 탁월했습니다. 10명의 숙련된 혈액학자를 대상으로 실시한 "튜링 테스트"에서 전문가들은 실제 이미지와 AI가 생성한 이미지를 효과적으로 구분하지 못했습니다.
"정말 놀랐어요." 델타달이 덧붙였다. "이 사람들은 하루 종일 혈구만 쳐다보고 있는데도 알아채지 못하더라고요."
연구진은 말초혈액 도말 이미지의 세계 최대 공개 데이터 세트를 공개하여 글로벌 연구를 강화하고 고품질 의료 데이터에 대한 접근성을 민주화할 계획입니다.
델타달은 "이 리소스를 공개함으로써 전 세계 연구자들이 새로운 AI 모델을 구축하고 테스트하고, 고품질 의료 데이터에 대한 접근성을 확대하고, 궁극적으로 더 나은 환자 치료에 기여할 수 있기를 바랍니다."라고 덧붙였습니다.
CytoDiffusion은 유망한 솔루션이지만, 숙련된 임상의를 대체하기보다는 보완하는 데 중점을 두고 있습니다. 일상적인 사례 검토를 신속하게 진행하고, 전문가의 면밀한 검토를 위해 이상 징후를 포착할 수 있도록 지원합니다.
"헬스케어 AI의 진정한 가치는 낮은 비용으로 인간의 전문성에 근접하는 데 있는 것이 아니라 전문가나 단순한 통계적 모델이 달성할 수 있는 것보다 더 큰 진단, 예후 및 처방 능력을 제공하는 데 있습니다."라고 UCL 신경과 교수이자 공동 선임 저자인 파라슈케프 나체프가 덧붙였습니다.
연구팀은 공정성과 정확성을 보장하기 위해 시스템 속도를 높이고 다양한 환자 집단에 걸쳐 효과성을 검증하기 위한 추가 작업이 필요하다고 강조했습니다.
출처: 캠브리지 대학